继续请教问题:关于 Pytorch 的 Autograd

雷达

; n" G  |# W  _8 t. Y
  ]$ E' o; V- K为预防老年痴呆，时不时学点新东东玩一玩。
3 K9 n9 l# ]- o9 U0 Z: a9 e1 ?( @1 bPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
2 u& R' M- P& R/ L. B# l+ k% timport torch
, r/ q1 y! ]- Uimport numpy as np
# o1 W6 E! E  w1 m* C9 A" N1 gimport matplotlib.pyplot as plt
/ D, J& ]5 O5 `" r0 \6 simport random

' ?3 D+ A' P; Z3 C# ~x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

# H# |9 N" c  j# [w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
; s7 S: v" M4 ?1 [b = torch.tensor(0.,requires_grad=True)

2 S1 O9 L! \/ o! D+ z" q1 [epochs = 100
( Q4 U; j) V! U# o( }5 F, {+ k$ d
9 G. a5 c2 W9 ~- s) b" elosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
- R+ ~" A1 b: {3 R! [: p6 q  y_pred.reshape(-1)
% G  S; V* E  x
: _. V6 \+ g- m) t* N  loss = torch.square(y_pred - y).mean()   #计算 loss
' {- t& _5 o) L5 d  losses.append(loss)
  p1 C6 p/ A" k0 t4 Y+ |& `  
  loss.backward() # autograd
) _! d. ?& s; T) b4 u! ~* d  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
" N- W* n9 V' Q. G, _& n    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
' i4 D  k' m1 O2 d" g8 c  b.grad.zero_()

print(w.item(),b.item()) #结果
, w: c$ q' U0 X6 O: w6 n5 R
) {* y* x6 @, ?6 s: @, b" SOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
/ b" u3 ]' o+ ~& C

老福

0 z, w9 E, S+ |3 d' j" x没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
- @: D8 m# X8 h9 E! g) j0 l4 Z不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
: c! ]$ R4 j# Z- w; F7 j谢谢，算法应该没问题，就是最简单的线性回归。
& o; ~; J0 Y' p) S/ J我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

. v" p  J, Q5 ^& @2 L, b( u" T: V
/ Z$ A/ O" L+ m刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
1 A; L* Q: u: k/ V
或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
) K* N* A1 g! V% X刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
8 p* S% t& O) R& y: V9 E
或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
" ?2 S2 n; M! y7 p#y = (x*27+15+random.randint(-2,3)).reshape(-1)
$ x0 ?, s% y8 W" yy = (x*27+15).reshape(-1)
" t! [6 i  i8 s: s" [2 S0 |0 Z  j
9 [8 w  i5 z; d, B循环次数加成10倍，就看到 b 收敛了
8 ~' e, m0 g; _2 m3 Y* K1 A! `w , b
27.002620697021484 14.826167106628418

+ o$ O! s: k' k0 g和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。